申请/专利权人:深圳云天励飞技术有限公司
申请日:2019-12-30
公开(公告)日:2024-03-22
公开(公告)号:CN111144566B
主分类号:G06N3/084
分类号:G06N3/084;G06F18/24
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2020.06.05#实质审查的生效;2020.05.12#公开
摘要:本发明实施例提供一种神经网络权重参数的训练方法、特征分类方法及对应装置,神经网络权重参数的训练方法包括:获取样本数据集,样本数据集中的样本数据带有类标签;获取初始权重参数,所述初始权重参数包括类代理参数;构建所述样本数据集与所述初始权重参数的相似度损失函数,所述相似度损失函数包括基于本类代理参数与所述目标样本数据的相似度的递减部,以及基于他类代理参数与所述目标样本数据的相似度的递增部;通过反向传播不断对所述初始权重参数进行调整,直到所述相似度损失函数最小,得到所述最小相似度损失函数对应的目标权重参数。通过在权重参数中增加类代理参数,使特征判别能力得到提高,没有超参数的添加,降低调参数的复杂度。
主权项:1.一种神经网络权重参数的训练方法,其特征在于,所述神经网络为人脸识别神经网络,所述人脸识别神经网络用于人脸特征分类,包括以下步骤:获取人脸样本数据集,所述人脸样本数据集中包括样本数据的人脸标签;获取初始权重参数,所述初始权重参数包括类代理参数,所述类代理参数与目标样本数据的人脸标签相对应的为本类代理参数,与所述目标样本数据的人脸标签不对应的为他类代理参数;构建所述人脸样本数据集与所述初始权重参数的相似度损失函数,所述相似度损失函数包括基于本类代理参数与所述目标样本数据的相似度的递减部,以及基于他类代理参数与所述目标样本数据的相似度的递增部;通过反向传播不断对所述初始权重参数进行调整,直到所述相似度损失函数最小,得到所述最小相似度损失函数对应的目标权重参数,所述目标权重参数包括人脸代理参数,在输入多个待分类特征时,与所述人脸代理参数相似度高于一定相似度的特征即被识别为人脸所在的分类。
全文数据:
权利要求:
百度查询: 深圳云天励飞技术有限公司 神经网络权重参数的训练方法、特征分类方法及对应装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。